Capturing Spatial Heterogeneity Using UAV-Derived Multispectral Phenotypes and Random Regression Models Improves Genetic Evaluation in Alfalfa Breeding Trials
تُظهر هذه الدراسة أن دمج الأنماط الظاهرية متعددة الأطياف المستمدة من الطائرات بدون طيار عبر دراسات طولية في نماذج الانحدار العشوائي يساهم بفعالية في رصد التباين المكاني في تجارب تربية البرسيم الحجازي، مما يؤدي إلى تحسين دقة وقابلية تكرار التقييمات الوراثية مقارنة بطرق التصحيح المكاني التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
لطالما عرف المزارعون ومربو النباتات أن الحقل لا يكون متجانساً بشكل مثالي أبداً. فحتى في قطعة أرض واحدة، قد تكون التربة أغنى في أحد الأركان، وقد يختلف تصريف المياه في ركن آخر، وقد تتباين درجة الحرارة قليلاً من صف واحد إلى آخر. هذا التباين، المعروف باسم التغاير المكاني، يخلق طبقة من الضجيج يمكن أن تحجب الإمكانات الحقيقية للنباتات المزروعة. وعندما يحاول المربون اختيار أفضل البذور للجيل القادم، فإن هذا الضجيج البيئي يمكن أن يجعل نباتاً متوسط الجودة يبدو كبطل، أو نباتاً فائق الجودة يبدو ضعيفاً. ولإصلاح ذلك، اعتمد العلماء تقليدياً على أساليب إحصائية تفترض أن ظروف التربة تتغير تدريجياً وبشكل يمكن التنبؤ به من نبات إلى آخر، تماماً كما قد تنخفض درجة الحرارة أثناء ابتعادك عن مدفأة. ومع ذلك، فإن هذه الأساليب القديمة غالباً ما تغفل الأنماط المعقدة والمتحولة في العالم الحقيقي، خاصة عندما تنظر فقط إلى الحصاد النهائي.
إن هناك نهجاً جديداً يغير كيفية رؤية الباحثين لهذه المشكلة من خلال استخدام النباتات نفسها كأجهزة استشعار. فبدلاً من التخمين حول كيفية تباين البيئة، يقوم العلماء الآن بمراقبة كيفية تفاعل النباتات معها بمرور الوقت. ومن خلال تحليق الطائرات بدون طيار (الدرونز) المزودة بكاميرات خاصة فوق الحقول، يمكن للباحثين التقاط صور تفصيلية للمحاصيل طوال موسم النمو بأكتها. وتكشف هذه الصور عن كيفية نمو النباتات، ومدى اخضرارها، وكيفية استجابتها للظروف المحددة لمحيطها المباشر. وتسمح هذه التدفق المستمر من البيانات للعلماء برسم خرائط للتباينات الخفية في الحقل بدقة أكبر من أي وقت مضى، مما يفصل الجودة الوراثية الحقيقية للنبات عن حظ مكان زراعته.
وفي دراسة حديثة ركزت على البرسيم الحجازي، وهو محصول علفي حيوي، وضع الباحثون اختباراً لمعرفة ما إذا كانت هذه الطريقة المتمثلة في مراقبة النباتات بمرور الوقت يمكن أن تحسن دقة برامج التربية. قام الفريق، بقيادة علماء من جامعة كورنيل، وجامعة ولاية نيو مكسيكو، وجامعة فرجينيا تك، بإجراء تجارب عبر منطقتين مختلفتين تماماً: الحقول الشاسعة القاحلة في نيو مكسيكو، والقطع الأكثر اندماجاً وتنوعاً في نيويورك. وقد قاموا بزراعة مئات الأصناف المختلفة من البرسيم الحجازي وراقبونها عن كثب خلال موسمي النمو 2022 و2023. وباستخدام الطائرات بدون طيار، حلقوا فوق الحقول مرة واحدة في الأسبوع تقريباً، ملتقطين صوراً متعددة الأطياف تقيس الضوء المنعكس من النباتات. ومن خلال هذه الصور، قاموا بحساب مؤشرات الغطاء النباتي، وهي قيم عددية تشير إلى صحة وكثافة المظلة الخضراء. ومن بين أنواع القياسات المختلفة، ثبت أن أحد المؤشرات التي تعتمد على الضوء الأخضر بدلاً من الضوء الأحمر كان المؤشر الأكثر موثوقية لصحة النبات وإنتاجيته المستقبلية.
تضمن جوهر الدراسة عملية من خطوتين لجعل هذا الكم الهائل من البيانات ذا معنى. أولاً، استخدم الباحثون تقنية إحصائية تسمى الانحدار العشوائي لتحليل صور الدرون الأسبوعية. سمحت هذه الطريقة بنمذجة كيفية تغير كل قطعة أرض محددة بمرور الوقت، مما يلتقط الظروف البيئية الفريدة والمستمرة التي أثرت على تلك البقعة تحديداً. لقد عاملوا هذه التأثيرات البيئية طويلة الأمد كـ "تأثير بيئي دائم"، وهي وسيلة لقياس المزايا أو العيوب المحددة التي تمتلكها البقعة بسبب تربتها أو مناخها المحلي، بشكل مستقل عن جينات النبات. وفي الخطوة الثانية، أخذوا هذه التأثيرات البيئية المحسوبة واستخدموها لتعديل التقييمات الوراثية النهائية لأصناف البرسيم الحجازي.
أظهرت النتائج أن هذه الطريقة الجديدة كانت أفضل بشكل ملحوظ في إيجاد الفائزين الوراثيين الحقيقيين مقارنة بالنهج التقليدية. ففي تجارب نيو مكسيكو الكبيرة، حيث تباينت ظروف التربة على نطاق واسع عبر الحقل، حسنت الطريقة الجديدة من اتساق التنبؤات الوراثية بمعدل مرتين إلى ثلاث مرات مقارنة بالأساليب القياسية. لقد نجحت في تجريد الضجيج الناتج عن عدم تجانس الحقل، كاشفة عن الإمكانات الحقيقية للنباتات. وحتى في تجارب نيويورك، حيث كانت الحقول أكثر تجانساً وكان الضجيج المكاني أقل، كان أداء الطريقة الجديدة مساوياً للتقنيات التقليدية أو أفضل منها. والأهم من ذلك، وجد الباحثون أن الأنماط التي اكتشفتها الطائرات بدون طيار للتباين البيئي تطابقت مع خرائط الإنتاجية الفعلية للحقول، مما أكد أن الطائرات بدون طيار كانت تلتقط بالفعل اختلافات فيزيائية حقيقية في التربة وتوافر المياه.
تثبت هذه الدراسة أن النباتات نفسها، عند مراقبتها عن كثب بمرور الوقت، يمكنها أن تخبرنا بالضبط أين يعاني الحقل وأين يزدهر. ومن خلال استخدام هذه المعلومات لتصحيح بيانات التربية، يمكن للعلماء اتخاذ قرارات أكثر دقة بشأن البذور التي يجب حفظها للمستقبل. ولا يتطلب هذا النهج معدات جديدة باهظة الثمن أو تغييرات معقدة في كيفية إدارة المزارعين لحقولهم حالياً؛ بل يتطلب ببسابطة استخدام البيانات التي يتم جمعها بالفعل بواسطة الطائبات بدون طيار الحديثة بطريقة أكثر ذكاءً. وتشير النتائج إلى أنه مع زيادة شيوع الزراعة عالية التقنية، فإن القدرة على التعلم من القصة المستمرة لنمو النبات ستصبح أداة قياسية لتحسين إنتاجية المحاصيل وضمان اختيار أفضل الجينات، بغض النظر عن الأرض غير المستوية التي تنمو عليها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.